溢出算子数据采集与解析

训练推理过程中出现浮点异常情况时，可通过溢出算子数据采集和解析进行问题定界定位。

采集溢出算子数据

TensorFlow 1.x训练/在线推理：请参见《TensorFlow 1.15模型迁移指南》中的“更多特性 > 溢出数据采集”章节采集溢出数据。
离线推理场景，请参见《CANN AscendCL应用软件开发指南（C&C++）》中的“更多特性 > 溢出算子数据采集及分析”章节采集溢出数据。

查看溢出算子数据

生成的溢出算子数据文件默认存储在{dump_path}/{time}/{deviceid}/{model_name}/{model_id}/{data_index}目录下，例如：“/home/HwHiAiUser/output/20200808163566/0/npu_cluster_0/11/0”。如果没有采集到溢出数据，即不存在溢出情况，则不会生成上述目录。

存放路径及文件命名规则：

dump_path：用户配置的溢出数据存放路径，例如/home/HwHiAiUser/output。
time：时间戳，例如20200808163566。
deviceid：Device设备ID号。
model_name：子图名称。model_name层可能存在多个文件夹，如果model_name出现了“.”、“/”、“\”、空格时，转换为下划线表示。
model_id：子图ID。
data_index：迭代数，用于保存对应迭代的溢出数据。

上述目录下会生成两类溢出数据文件：

溢出算子的dump文件：命名规则如{op_type}.{op_name}.{task_id}.{stream_id}.{timestamp}，如果op_type、op_name出现了“.”、“/”、“\”、空格时，会转换为下划线表示。
用户可通过该信息知道具体出现溢出错误的算子，并通过解析溢出算子的dump文件知道该算子的输入和输出。
算子溢出数据文件：命名规则如Opdebug.Node_OpDebug.{task_id}.{stream_id}.{timestamp}。
用户可通过解析算子溢出数据文件得知溢出相关信息。
- 文件名中的taskid不是溢出算子的taskid，用户不需要关注taskid的实际含义。
- 在docker内执行时，生成的数据存在docker里。

解析溢出算子的dump文件

请根据实际情况，将采集到的溢出算子的dump文件上传到安装有Toolkit软件包的环境。
进入解析脚本所在路径，假设Toolkit软件包安装目录为：/home/HwHiAiUser/Ascend/ascend-toolkit/latest。
cd /home/HwHiAiUser/Ascend/ascend-toolkit/latest/toolkit/tools/operator_cmp/compare
执行msaccucmp.py脚本，转换dump文件为numpy文件。举例：
python3 msaccucmp.py convert -d /home/HwHiAiUser/dump -out /home/HwHiAiUser/dumptonumpy -v 2

-d参数支持传入单个文件，对单个dump文件进行转换，也支持传入目录，对整个path下所有的dump文件进行转换。
调用Python，转换numpy文件为txt文件。举例：
$ python3

>>> import numpy as np

>>> a = np.load("/home/HwHiAiUser/dumptonumpy/Pooling.pool1.1147.1589195081588018.output.0.npy")

>>> b = a.flatten()

>>> np.savetxt("/home/HwHiAiUser/dumptonumpy/Pooling.pool1.1147.1589195081588018.output.0.txt", b)

转换为.txt格式文件后，维度信息、Dtype均不存在。详细的使用方法请参考numpy官网介绍。

解析算子溢出数据文件

由于生成的溢出数据是二进制格式，可读性较差，需要通过工具将bin文件解析为用户可读性好的json文件。

请根据实际情况，将算子溢出数据文件上传到安装有Toolkit软件包的环境。

建议用户将data_index最小的目录下时间戳最小的dump文件作为待解析文件。
进入解析脚本所在路径，假设Toolkit软件包安装目录为：/home/HwHiAiUser/Ascend/ascend-toolkit/latest。
cd /home/HwHiAiUser/Ascend/ascend-toolkit/latest/toolkit/tools/operator_cmp/compare
执行解析命令，例如：
python3 msaccucmp.py convert -d /home/HwHiAiUser/opdebug/Opdebug.Node_OpDebug.59.1597922031178434 -out /home/HwHiAiUser/result

关键参数：
- -d：溢出数据文件所在目录，包括文件名。
- -out：解析结果待存储目录，如果不指定，默认生成在当前目录下。

解析结果文件内容如下示例。

        
         
           
           
             {
    "DHA Atomic Add": {
        "model_id": 0,
        "stream_id": 0,
        "task_id": 0,
        "task_type": 0,
        "pc_start": "0x0",
        "para_base": "0x0",
        "status": 0
    },
    "L2 Atomic Add": {
        "model_id": 0,
        "stream_id": 0,
        "task_id": 0,
        "task_type": 0,
        "pc_start": "0x0",
        "para_base": "0x0",
        "status": 0
    },
    "AI Core": {
        "model_id": 514,
        "stream_id": 563,
        "task_id": 57,
        "task_type": 0,
        "pc_start": "0x1008005b0000",
        "para_base": "0x100800297000",
        "kernel_code": "0x1008005ae000",
        "block_idx": 1,
        "status": 32
    }
}

            

          

        
       

如果同时开启AI Core算子溢出检测和Atomic Add溢出检测，则仅显示最先出现的溢出信息。

例如本示例中，先出现AI Core算子溢出信息，因此Atomic Add即便是有溢出信息也不会显示出来。

完整字段说明：

下列字段包含当前可解析的所有字段，各产品所包含字段请以实际产品解析结果为准。

model_id：标识溢出算子所在的模型id。
stream_id：标识溢出算子所在的streamid。
task_id：标识溢出算子的taskid。
task_type：标识溢出算子的task类型。
context_id：Context ID，内部预留。
thread_id：线程ID，内部预留。
pc_start：标识溢出算子的代码程序的起始位置。
para_base：标识溢出算子的参数起始地址。
src_addr：SDMA传输场景的通信源地址。
dst_addr：SDMA传输场景的通信目的地址。
channel_id：通道ID。
core_id：AI Core ID。
kernel_code：标识溢出算子的代码程序起始位置，和pc_start相同。
block_id：标识溢出算子的blockid参数。
status：AICore的status寄存器状态，包含了溢出的信息。用户可以从status值分析得到具体溢出错误，具体请参见下文“通过status分析错误原因”。

通过status分析错误原因

AI Core算子溢出检测状态字段status为10进制表示，需要转换成16进制，然后定位到具体错误。
例如：status为272，转换成16进制为0x00000110，则可以判定出可能原因为0x00000010+0x00000100。
- 0x00000008: 符号整数最小负数NEG符号位取反溢出
- 0x00000010: 整数加法、减法、乘法或乘加操作计算有溢出
- 0x00000020: 浮点计算有溢出
- 0x00000080: 浮点数转无符号数的输入是负数
- 0x00000100: FP32转FP16或32位符号整数转FP16中出现溢出
- 0x00000400: CUBE累加出现溢出
注：上述浮点异常信息为对应16进制bit位的异常表示，可能会出现多种浮点异常组合的情况。
DHA Atomic Add溢出检测状态字段status的值为10进制，大于0即表示出现DHA Atomic Add溢出。

L2 Atomic Add溢出检测状态字段status的值为10进制，大于0即表示出现L2 Atomic Add溢出。

父主题： 扩展功能